重阳节诗歌摘要
首先，本文运用SAS和Excel两种软件工具对两种方法预测到的数据进行定量分析比较，采用绝对误差法让每一天每一个站点每一个时段预测到的数据与相应的实际的数据作差，求绝对值，再加总总的绝对值误差，建立了模型（1），得出了数据预测的方法一比方法二效果较好的结论。
其次，考虑到绝对误差法的局限性，进一步采用相对误差法对模型（1）进行改进，让每一天每一个站点每一个时段预测到的数据与相应的实际的数据作差的绝对值除于相对应的真实时段的数据，建立了模型（2解决问题的英文）；由于有些数据为0的缘故，对模型（2）进一步改进得到模型（3），仍然得出方法一优于方法二的结论。
最后，本文对模型进行了评价。
关键词：绝对误差法 相对误差法 SAS Excel
一、 问题重述
FORECAST中的文件名为<f日期i>_dis1和<f日期i>_dis2，例如f6181_dis1中包含2002年6月18日采用第一种方法预测的第一时段数据（其2491个数据为该时段各网格点的数据），而f6183_dis2中包含2002年6月18日采用第二种方法预测的第三时段数据。
MEASURING中包含了41个名为<日期>.SIX的文件，如020618.SIX表示2002年6月18日晚上21点开始的连续4个时段各站点的实测数据，这些文件的数据格式是：
站号 纬度 经度 第1段 第2段 第3段 第4段
58138 32.9833 118.5167 0.0000 0.2000 10.1000 3.1000
58139 33.3000 118.8500 0.0000 0.0000 4.6000 7.4000
58141 33.6667 119.2667 0.0000 0.0000 1.1000 1.4000
58143 33.8000 119.8000 0.0000 0.0000 0.0000 1.8000
58146 33.4833 119.8167 0.0000 0.0000 1.5000 1.9000
……
根据已有的数据用模型判断这两种预测方法的优劣。
二、符号说明
m1:用方法一测量的数据的绝对误差
m2:用方法二测量的数据的绝对误差
x1:用方法一测量的数据的相对误差
x2:用方法二测量的数据的相对误差
ti:各个时段的数据（i=1,2,3,4）
yn1n2n3:n1月n2日第n3种方法的预测数据
a:极小值
三、模型假设
3.1摘抄好句加赏析假设观测站点设置不均匀不影响观测结果
工程劳务合同3.2假设所有预报数据和实测数据及预报点和观测站的经纬度坐标值均有效，不考虑人为因素造成的无效数据。
四、 问题分析
由于数据庞大，在用SAS导入数据的时候需要用Excel辅助，对数据的导入程序先放在Excel，再进行多次的复制黏贴处理，程序见Excel数据导入小横须，同样地，对数据的整理，也借助Excel软件进行，节省了大量时间，程序见Excel模型程序。对于比较两种预测方法优劣的问题，主要是分析哪一种方法预测得到的结果较接近真实值，哪一种方法就比较理想。在此，本文采用绝对误差法与相对误差法对数据进行分析，绝对误差或相对误差越小，精确度就越高，越接近真实值。
五、模型的建立与求解
5.1初步模型的建立：
运用绝对误差法，建立模型如下：
……………(1)
绝对误差越小，精确度就越高。但绝对误差有它不足的地方。如果有两个或者两个以上的近似数，要比较它们的精确度，仅仅从绝对误差的大小来看，就不能够作出肯定的结论。例如，称10吨煤，差10千克，关系不大；如果称100千克煤，差5千克，关系就比较大了。如果单纯从绝对误差来看，前者差10千克，后者只差5千克，似乎前者的精确度不及后者。事实上，称10吨煤误差10千克，这个误差只占总重量的
而称100千克煤时，虽然绝对误差只有5千克，但这个误差却是总重量的
5.2模型的改进：
肌肤衰老这就说明在判断度量的精确程度时，不仅和绝对误差大小有关，而且还和所度量的量的本身大小有关。也就是说，数据的绝对大小对预测的绝对误差是有影响的，同样的预测能力
对于小数据的预测较之对大数据的预测更容易取得较小的绝对误差，因此我们需要引入不同数据绝对值对于绝对误差的影响权重，我们认为相对误差代替绝对误差较为科学，因而建立模型（2）如下：
…………………..(2)
但是，在所给的数据中，很多时段的数据为0，为了得到相对误差，我们将上式模型（2）中的分母加上一个极小值a。a取值为0.0002。对于极小值的影响可以忽略不计。
模型变成：
…………………...(3)
醋泡花生米的做法5.2结果分析：
m1 x1 m2 x2
30213.95 43574488.00 30290.90 43638806.57
结果表明，采用绝对误差法时，m1<m2,即用方法一产生的误差小于法二产生的误差，采用相对误差法时，x1<x2，即方法一的相对误差小于方法二的相对误差，说明此预测数据的方法一效果较理想。
六、模型的评价
模型（1）中，绝对误差的概念虽很简明，容易掌握，但是，在许多情况下，绝对误差是不可能得到的，因为在实际度量中常常不可能得到精确值。而模型（3）虽然对模型（1）、(2)进行了改进，消除了不同数据本身大小的影响，但由于是在模型假设下建立的模型，这一点的局限性难于消除，模型总体而言较理想。
七、参考文献
[1]汪远征 徐雅静，SAS软件与统计应用教程，机械工业出版社，2007.2
[2]李平东 张翠英 李照会，雨量预报方法评价模型，技术与教育，2006年第1期
八、附录
漠西蒙古附录1部分数据的导入程序:
data mydata2.f6181_dis1; infile'F:\mydata\data\FORECAST\f6181_dis1'; input y6181 @@; data mydata2.mf61811; t mydata2.f6181_dis1(obs=91); run;
data mydata2.f6182_dis1; infile'F:\mydata\data\FORECAST\f6182_dis1'; input y6182 @@; data mydata2.mf61821; t mydata2.f6182_dis1(obs=91); run;
data mydata2.f6183_dis1; infile'F:\mydata\data\FORECAST\f6183_dis1'; input y6183 @@; data mydata2.mf61831; t mydata2.f6183_dis1(obs=91); run;
data mydata2.f6184_dis1; infile'F:\mydata\data\FORECAST\f6184_dis1'; input y6184 @@; data mydata2.mf61841; t mydata2.f6184_dis1(obs=91); run;
data mydata2.f6181_dis2; infile'F:\mydata\data\FORECAST\f6181_dis2'; input y6181 @@; data mydata2.mf61812; t mydata2.f6181_dis2(obs=91); run;
data mydata2.f6182_dis2; infile'F:\mydata\data\FORECAST\f6182_dis2'; input y6182 @@; data mydata2.mf61822; t mydata2.f6182_dis2(obs=91); run;
data mydata2.f6183_dis2; infile'F:\mydata\data\FORECAST\f6183_dis2'; input y6183 @@; data mydata2.mf61832; t mydata2.f6183_dis2(obs=91); run;
data mydata2.f6184_dis2; infile'F:\mydata\data\FORECAST\f6184_dis2'; input y6184 @@; data mydata2.mf61842; t mydata2.f6184_dis2(obs=91); run;
data mydata.m020618; infile 'F:\mydata\data\MEASURING\020618.SIX'; input location latitude longitude t1 t2 t3 t4; run;
data mydata.m020619; infile 'F:\mydata\data\MEASURING\020619.SIX'; input location latitude longitude t1 t2 t3 t4; run;
data mydata.m020620; infile 'F:\mydata\data\MEASURING\020620.SIX'; input location latitude longitude t1 t2 t3 t4; run;
data mydata.m020621; infile 'F:\mydata\data\MEASURING\020621.SIX'; input location latitude longitude t1 t2 t3 t4; run;
data mydata.m020622; infile 'F:\mydata\data\MEASURING\020622.SIX'; input location latitude longitude t1 t2 t3 t4; run;
